80 articles
Cette étude présente une méthode non invasive utilisant la TEP ciblée contre la GCPII (PSMA) pour détecter et suivre la dénervation musculaire et sa réinnervation dans les lésions du système nerveux périphérique, en s'appuyant sur des agents déjà approuvés par la FDA et validés à la fois chez l'animal et chez un patient humain.
Cette étude menée dans un hôpital du Cap-Oriental en Afrique du Sud révèle que les doses de radiation administrées lors de scanners CT pédiatriques respectent les normes internationales, bien que des doses légèrement plus élevées observées lors des gardes de nuit soulignent la nécessité de standardiser les protocoles et la formation du personnel.
Cette étude rétrospective démontre qu'un modèle d'apprentissage profond utilisant des examens longitudinaux de tomosynthèse mammaire numérique permet de prédire le risque de cancer du sein à 5 ans avec une précision supérieure à celle des modèles basés sur la mammographie numérique standard ou sur des facteurs cliniques.
Cette étude du projet SEIOMM-3D-DXA établit des données de référence pour les paramètres 3D-DXA du fémur chez les hommes et les femmes espagnols, démontrant la capacité de cette technologie à identifier des déséquilibres spécifiques entre les compartiments osseux cortical et trabéculaire pour améliorer la prise en charge de l'ostéoporose.
Cette étude présente un pipeline d'intelligence artificielle holistique qui, en combinant un vaste ensemble de données d'images thoraciques annotées par un grand modèle de langage (LLM) et des réseaux de neurones profonds, surpasse les performances des radiologues et des méthodes traditionnelles pour la détection, la localisation et la génération de rapports automatisés de pneumonie.
Cette étude démontre que les mesures de déformation du ventricule et de l'oreillette gauches sont des indicateurs composites liés à la géométrie cardiaque et à la fonction du ventricule gauche, notamment la distance d'excursion systolique de l'anneau mitral et la longueur ventriculaire, ce qui explique leur forte valeur pronostique.
Cet article présente un cadre d'optimisation sans étiquette basé sur la théorie de l'information pour sélectionner automatiquement les paramètres d'extraction des radiomiques en élastographie par résonance magnétique (MRE), améliorant ainsi la reproductibilité et la robustesse des caractéristiques mécaniques tissulaires à travers différents protocoles d'acquisition.
Cette étude démontre que des modèles de régression ensembliste, entraînés sur des métriques d'évaluation de qualité d'image automatisées et calibrés par des jugements d'experts, peuvent fournir un contrôle qualité transparent et évolutif pour la synthèse d'images médicales, bien que les métriques basées sur une référence surpassent les métriques sans référence.
Cette étude de validation multi-ensembles démontre que les paramètres techniques d'acquisition, en particulier le type de vue radiographique, dominent largement les facteurs démographiques dans les disparités de performance des systèmes d'IA pour l'interprétation des radiographies thoraciques, appelant ainsi à une révision des cadres réglementaires pour inclure l'audit de ces paramètres techniques.
Cette étude multimodale démontre que l'immersion active dans une deuxième langue est associée à une meilleure fonction du système glymphatique, suggérant que l'expérience bilingue pourrait offrir des avantages neuroprotecteurs en optimisant le nettoyage des déchets cérébraux.
Le papier présente PANDORA, une plateforme de modélisation adaptative qui encode les données IRM cérébrales de plus de 80 000 participants du UK Biobank dans une représentation supervoxel efficace, permettant d'accélérer considérablement les analyses statistiques tout en préservant les détails spatiaux et en réduisant le bruit pour découvrir de nouvelles associations biologiques.
Cette étude présente le développement et la validation d'un modèle d'apprentissage profond basé sur ResNet-18 capable de détecter automatiquement et de quantifier les calcifications de l'artère vertébrale sur des scanners CT tête et cou sans contraste, offrant ainsi un outil d'aide à la décision fiable pour le dépistage précoce des risques vasculaires.
Cette étude démontre que l'imagerie du modèle standard (SMI) et l'imagerie par tenseur de diffusion (DTI) sont sensibles aux altérations microstructurales de la sclérose en plaques, et que leur combinaison offre les meilleures performances de classification pour caractériser les lésions et les tissus apparentés normaux.
Cette étude démontre que l'acquisition d'imagerie de diffusion par résonance magnétique multi-coquilles (multi-b shells), combinée à plusieurs modèles microstructuraux, permet une caractérisation plus robuste et informative des lésions de la sclérose en plaques que les acquisitions mono-coquilles conventionnelles.
Cette étude multisite démontre que des modèles d'apprentissage automatique utilisant des données d'imagerie par TEP amyloïde et IRM peuvent prédire avec une bonne généralisabilité l'évolution vers un déficit cognitif chez des individus atteints de la maladie d'Alzheimer préclinique, permettant ainsi d'améliorer la sélection des patients et la puissance statistique des essais cliniques futurs.
Cette étude pilote démontre que l'utilisation d'un score de risque polygénique permet de stratifier le risque de cancer du sein chez les femmes de 40 à 49 ans et d'adapter les recommandations de dépistage de manière personnalisée, sans augmenter l'anxiété des participantes.
Cette étude démontre que l'épaississement cortical dynamique, et non la réserve cortique statique, est le principal moteur de la récupération motrice après un accident vasculaire cérébral sous-cortical, et que la modélisation normative permet d'identifier cette hétérogénéité de manière plus efficace que les mesures brutes.
Cette étude de validation rétrospective démontre que l'assistant radiologique intelligent basé sur l'IA, Lenek (LIRA), offre une performance diagnostique élevée et cohérente pour le dépistage et le triage des pathologies pulmonaires et cardiaques sur des radiographies thoraciques provenant de diverses institutions en Inde, constituant ainsi une solution prometteuse pour pallier la pénurie de radiologues et soutenir les objectifs d'élimination de la tuberculose.
En utilisant l'imagerie multimodale et l'apprentissage profond sur 134 000 individus, cette étude établit une nouvelle approche pour évaluer le vieillissement spécifique à chaque organe, révélant une hétérogénéité significative, des liens prédictifs avec les maladies et des effets divergents des facteurs de style de vie.
Le papier présente TumorCLIP, un cadre léger et efficace combinant un encodeur visuel DenseNet121 à des prototypes textuels radiologiques via un mécanisme Tip-Adapter, permettant une classification interprétable et robuste des tumeurs cérébrales sur IRM avec une précision de 98,5 % et une meilleure détection des classes minoritaires.